讓 JMP 對心理學更有用的提示如果您希望您的軟件用於社會科學，尤其是。心理學上，我推薦兩個關鍵特徵 - 第一個涉及簡單斜率，第二個涉及層次回歸。
一般來說，跟踪涉及連續變量的交互以進行“簡單斜率”或“簡單效應”分析的能力，其中用戶至少可以在另一個預測變量的不同值處探測直線的斜率（並通過SE 獲得斜率），甚至更好的是，提供這些斜率之間的對比。 另一個預測變量可能是連續的（因此需要繪製正負 1 SE 的能力）或分類變量。
心理學中第二種非常常見的技術是層次回歸，其中將兩個模型與嵌套在另一個模型中的一個模型進行比較。 使用 JMP 執行此操作的唯一方法是運行兩個模型，提取模型 dfs 和 SS 值以及 MSE，計算 F，然後在表中查找 F（或使用 JMP 公式計算關聯的 p 值） ）。 非常笨重。 這在 R、SPSS 甚至 Jamovi 中都非常簡單。
統計與分析回复：使 JMP 對心理學更有用的提示 - 狀態更改為：已存檔我們正在歸檔此請求。 如果這仍然很重要，請評論並提供更多詳細信息，我們將重新開放。 謝謝你！
